前言
作为经常需要处理图片文字提取的用户，在线 OCR 工具往往存在次数限制、识别速度慢以及隐私泄露风险，而付费软件的成本也不低。PaddleOCR-VL 提供了一个理想的解决方案：本地部署后随时可用，识别印刷体、手写体甚至复杂数学公式都准确高效，且所有数据都在本地处理，隐私性极佳。
本文将介绍如何利用整合包快速搭建这套私人 OCR 平台，并演示核心功能及通过内网穿透实现公网访问的配置方法。
1. 什么是 PaddleOCR-VL
PaddleOCR‑VL 是 PaddleOCR 3.x 系列中的一款视觉 - 语言多模态文档解析模型，专门面向复杂文档场景设计。相比传统 OCR 仅能识别文字，它通过融合视觉编码器与语言模型，实现了从'文字识别'到'图文理解'的跨模态能力。
该模型不仅可以精准识别文字，还能理解文字在文档中的结构和语义，例如表格、公式、图表以及多栏排版内容。参数规模适中（约 0.9 亿），兼顾高精度和资源效率，既适合本地部署，也可在私有云或远程环境中使用。更重要的是，它支持多语言文本识别（超过 100 种语言），在处理多语种混排文档时表现出色。
简而言之，PaddleOCR‑VL 是一款专业的多模态文档理解模型，突破了传统 OCR 的局限，实现了文字识别、版式理解与语义分析的有机结合。
2. 环境部署及启动
由于官方开源代码方式部署环境较为复杂，本教程将演示使用整合包进行部署，降低入门门槛。
下载整合包后解压，进入目录双击执行 01 运行程序.bat 脚本：
执行脚本后，会打开命令行窗口检测电脑配置情况，并自动下载模型：
启动完成后，会出现 URL 地址，通常会自动在浏览器中打开。如果没有打开，手动访问如下地址即可：
http://127.0.0.1:7891
出现上述页面，说明 PaddleOCR‑VL 整合包已启动完成。
3. 核心功能演示
PaddleOCR‑VL 可用于识别各种类型的文字，本部分将演示印刷体、手写体和数学公式，让你快速了解模型的核心功能。
3.1 印刷体 OCR 识别
准备一张待识别的图片，点击页面上方上传区域或直接拖入图片进行上传：
文件上传后，点击下方的开始生成按钮：
点击开始后，可以通过任务管理器查看 GPU 负载。当占用率下降时，说明 OCR 识别已完成，可回到页面查看结果：
页面提示完整下载请去 outputs 文件夹，下载 md 文件和对应的 imgs 文件夹。我们可以打开项目目录，进入 outputs 目录下查看生成的文件和图片：
对比原图和 OCR 识别后的图片，可以看到印刷体图片上的英文内容被完美识别，基本没有发现错误。
3.2 手写体 OCR 识别
接下来识别手写体图片，步骤与印刷体一致，直接展示结果：
